如何抓住最佳的决策时机,在面对决策时常常有几点困惑,难以抉择的原因有未来很难预测, 已做出的决定不能反悔。
关键内容:有限的时间和精力,如何在最少的时间内做出最好的选择,摸清情况再行动准则(look then leap rule)
最理想理性的决策是枚举所有的可能选择(机会成本和期望值理论),然后再做判断。但是实际上我们没有机会和时间如此操作,有限的时间和精力要求尽快做出选择。 此时最好的选择合适放弃枚举法和期望值理论, 而是在部分信息下做出可能性最高的选择,即本章的37%。【贝叶斯推理也是基于部分信息作出尽可能最优的选择,本章的最优停止理论强调的是时间、精力消耗上的适可而止,贝叶斯推理强调的是建立在不完整信息上的分析】
最优停止理论建立在时间的不可逆性和不可废止性,有限的时间做出尽可能最优(概率最大)的选择。
问题:“没有最好, 只有更好”,所以是继续寻找更好的,还是选择当下的?
答案:面对这种两难选择,答案就是计算机领域得到的一个平均结论——37%。在最初的37%时间和选择阶段保持观察,之后进入执行阶段,遇到目前最优的选择就直接选定。 这样选中最优候选者的概率是37%。
书中介绍了几个最优停止的例子:买房子,找对象,秘书问题选择停车位问题等。
比如找对象,假如希望在25-35之间找到最好的对象,按照37%原则,应该在29岁之前保持观望,之后如果看到截至目前最优的候选者,就果断求婚~【也可以把时间段改成谈恋爱次数,当然我可是现在才看到这个理论的。。。】
比如买卖房子,如果计划看10个房子,前三个不要下单,等到第四个再开始选择。
比如,面试时,如果只有一位申请者,那面只能接受他,如果有两名申请者,你成功选到优秀人选的概率都是50%,如果有第三名申请人,情况就一下子变得有意思了。如果随机选择一名申请人,得到理想结果的概率是1/3,也就是33%。但是我们可以取得更理想的结果,而其中的关键就在第二场面试。在面试第一名申请人时,我们没有任何信息——她肯定是目前最优秀的申请人。在面试第三名申请人时,我们没有任何能动性——我们只能将工作机会交给这名申请人,因为我们已经拒绝了其他人的申请。但是,在面试第二名申请人时,我们既掌握了一些信息,又有一定的能动性——我们知道她与第一名申请人相比孰优孰劣,同时我们既可以接受她,也可以拒绝她。如果她比第一名申请人优秀,我们接受她,反之就拒绝她,那么会产生什么样的结果?事实上,在有三名申请人时,这是最理想的方案。令人吃惊的是,在有三名申请人时采用这个方法,与有两名申请人时选择半程最优秀人选的方法相比,效果不相上下。